顺便说一句，JEV 模型这次的更新几乎都命中了我们在 Next Token 20 多天前提到的它需要改进的部分
JEV 1.14.0 adds multimodal support, box output, and 262K context
AISummary
JEV released version 1.14.0, adding multimodal support that the source says the model already had but lacked in its first version. The update adds a box output type that returns object positions in an image and raises context to 262K tokens per request and answer. The source says multilingual ability also improved.
Post on XView on X
GuizangVerified on X
@op7418
JEV 昨天更新了一个大版本 1.14.0 终于支持多模态了：官方说这模型原本就是多模态的，只是第一个版本时没加上支持。 有了多模态以后能做的事情就非常多了，很多图像类型的处理、视频剪辑、拼图，包括图像编辑，都需要快速的反应和决策。 新增了一个类型（box）：模型能够返回目标在图里的位置。 上下文和多语言能力提升：每次请求和每个问题的回答都提高到了 262K 的上下文，长了非常多；最重要的是多语言也变得更好了
Source: Guizang · x.comPublished · added here